The Influence of Poverty and Rurality on Colorectal Cancer Survival by Race/Ethnicity: An Analysis of SEER Data with a Census Tract-Level Measure of Persistent Poverty
Notice bibliographique
Résumé
Purpose: Because of shared mechanisms such as decreased access to health care, rurality and poverty may act synergistically to decrease colorectal cancer (CRC) survival. Methods: We conducted a retrospective cohort analysis of SEER data (22 registries) with census tract-level measures of poverty/rurality for the period 2006–2015. Multivariable Cox proportional hazard regressions were applied to examine the independent and intersectional associations of persistent poverty and rurality on 5-year cause-specific CRC survival across five racial/ethnic groups. Results: Among 532,868 CRC patients, non-Hispanic Blacks (NHB) demonstrated lower 5-year survival probability (64.2% vs. 68.3% in non-Hispanic Whites [NHW], 66.5% in American Indian/Alaska Natives [AI/AN], 72.1% in Asian/Pacific Islanders, and 68.7% in Hispanic groups) (p-value < 0.001). In adjusted analysis, CRC patients living in rural areas with poverty were at a 1.2–1.6-fold increased risk of CRC death than those who did not live in these areas in five racial/ethnic groups. In particular, AI/AN patients living in rural areas with poverty were 66% more likely to die from CRC (95% CI, 1.32, 2.08). Conclusions: CRC patients who live in rural or poverty areas in SEER areas in the U.S. have a poorer survival compared with those who do not live in such areas regardless of race/ethnicity. Significantly greater risk of CRC death was observed in AI/ANs. Impact: Patient navigators, community education or screening, and other health care system interventions may be helpful to address these disparities by socioeconomic status, race, and geographic residence. Multi-level interventions aimed at institutional racism and medical mistrust may also be helpful.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».